awesome-public-datasets

一个包含高质量公共数据集的列表，涵盖多个领域，如农业、生物学、气候/天气等。

A list of high-quality public datasets spanning multiple domains such as agriculture, biology, climate/weather, and more.

原始信息汇总

数据集概述

农业

• U.S. Department of Agricultures PLANTS Database
  • 链接：http://www.plants.usda.gov/dl_all.html

生物学

• 1000 Genomes
  • 链接：http://www.1000genomes.org/data
• Collaborative Research in Computational Neuroscience (CRCNS)
  • 链接：http://crcns.org/data-sets
• Gene Expression Omnibus (GEO)
  • 链接：http://www.ncbi.nlm.nih.gov/geo/
• Human Microbiome Project (HMP)
  • 链接：http://www.hmpdacc.org/reference_genomes/reference_genomes.php
• American Gut (Microbiome Project)
  • 链接：https://github.com/biocore/American-Gut
• ICOS PSP Benchmark
  • 链接：http://www.infobiotic.net/PSPbenchmarks/
• MIT Cancer Genomics Data
  • 链接：http://www.broadinstitute.org/cgi-bin/cancer/datasets.cgi
• NIH Microarray data (FTP)
  • 链接：http://bit.do/VVW6
• Protein Data Bank
  • 链接：http://pdb.org/
• PubChem Project
  • 链接：https://pubchem.ncbi.nlm.nih.gov/
• PubGene (now Coremine Medical)
  • 链接：http://www.pubgene.org/
• Stanford Microarray Data
  • 链接：http://smd.stanford.edu/
• The Personal Genome Project
  • 链接：http://www.personalgenomes.org/
• UCSC Public Data
  • 链接：http://hgdownload.soe.ucsc.edu/downloads.html
• UniGene
  • 链接：http://www.ncbi.nlm.nih.gov/unigene

气候/天气

• Australian Weather
  • 链接：http://www.bom.gov.au/climate/dwo/
• Brazilian Weather - Historical data (In Portuguese)
  • 链接：http://sinda.crn2.inpe.br/PCD/SITE/novo/site/
• Canadian Meteorological Centre
  • 链接：https://weather.gc.ca/grib/index_e.html
• Climate Data from UEA (updated monthly)
  • 链接：http://www.cru.uea.ac.uk/cru/data/temperature/
• Global Climate Data Since 1929
  • 链接：http://www.tutiempo.net/en/Climate
• NASA Global Imagery Browse Services
  • 链接：https://wiki.earthdata.nasa.gov/display/GIBS
• NOAA Bering Sea Climate
  • 链接：http://www.beringclimate.noaa.gov/
• NOAA Climate Datasets
  • 链接：http://ncdc.noaa.gov/data-access/quick-links
• NOAA Realtime Weather Models
  • 链接：http://www.ncdc.noaa.gov/data-access/model-data/model-datasets/numerical-weather-prediction
• The World Bank Open Data Resources for Climate Change
  • 链接：http://data.worldbank.org/developers/climate-data-api
• UEA Climatic Research Unit
  • 链接：http://www.cru.uea.ac.uk/data
• WU Historical Weather Worldwide
  • 链接：http://www.wunderground.com/history/index.html

复杂网络

• CrossRef DOI URLs
  • 链接：https://archive.org/details/doi-urls
• DBLP Citation dataset
  • 链接：https://kdl.cs.umass.edu/display/public/DBLP
• NBER Patent Citations
  • 链接：http://nber.org/patents/
• NIST complex networks data collection
  • 链接：http://math.nist.gov/~RPozo/complex_datasets.html
• Small Network Data
  • 链接：http://www-personal.umich.edu/~mejn/netdata/
• UCI Network Data Repository
  • 链接：https://networkdata.ics.uci.edu/resources.php
• Protein-protein interaction network
  • 链接：http://vlado.fmf.uni-lj.si/pub/networks/data/bio/Yeast/Yeast.htm
• PyPI and Maven Dependency Network
  • 链接：http://ogirardot.wordpress.com/2013/01/31/sharing-pypimaven-dependency-data/
• Scopus Citation Database
  • 链接：http://www.elsevier.com/online-tools/scopus
• Stanford GraphBase (Steven Skiena)
  • 链接：http://www3.cs.stonybrook.edu/~algorith/implement/graphbase/implement.shtml
• Stanford Large Network Dataset Collection
  • 链接：http://snap.stanford.edu/data/
• The Koblenz Network Collection
  • 链接：http://konect.uni-koblenz.de/
• The Laboratory for Web Algorithmics (UNIMI)
  • 链接：http://law.di.unimi.it/datasets.php
• The Nexus Network Repository
  • 链接：http://nexus.igraph.org/
• UCI Network Data Repository
  • 链接：http://networkdata.ics.uci.edu/resources.php
• UFL sparse matrix collection
  • 链接：http://www.cise.ufl.edu/research/sparse/matrices/
• WSU Graph Database
  • 链接：http://www.eecs.wsu.edu/mgd/gdb.html

计算机网络

• 3.5B Web Pages from CommonCraw 2012
  • 链接：http://www.bigdatanews.com/profiles/blogs/big-data-set-3-5-billion-web-pages-made-available-for-all-of-us
• 53.5B Web clicks of 100K users in Indiana Univ.
  • 链接：http://cnets.indiana.edu/groups/nan/webtraffic/click-dataset
• CAIDA Internet Datasets
  • 链接：http://www.caida.org/data/overview/
• ClueWeb09 - 1B web pages
  • 链接：http://lemurproject.org/clueweb09/
• ClueWeb12 - 733M web pages
  • 链接：http://lemurproject.org/clueweb12/
• CommonCrawl Web Data over 7 years
  • 链接：http://commoncrawl.org/the-data/get-started/
• CRAWDAD Wireless datasets from Dartmouth Univ.
  • 链接：http://crawdad.cs.dartmouth.edu/
• Criteo click-through data
  • 链接：http://labs.criteo.com/2015/03/criteo-releses-its-new-dataset/
• Open Mobile Data by MobiPerf
  • 链接：https://console.developers.google.com/storage/openmobiledata_public/
• UCSD Network Telescope, IPv4 /8 net
  • 链接：http://www.caida.org/projects/network_telescope/

数据挑战

• Challenges in Machine Learning
  • 链接：http://www.chalearn.org/
• D4D Challenge of Orange
  • 链接：http://www.d4d.orange.com/en/home
• DrivenData Competitions for Social Good
  • 链接：http://www.drivendata.org/
• ICWSM Data Challenge (since 2009)
  • 链接：http://icwsm.cs.umbc.edu/
• Kaggle Competition Data
  • 链接：http://www.kaggle.com/
• KDD Cup by Tencent 2012
  • 链接：https://www.kddcup2012.org/
• Localytics Data Visualization Challenge
  • 链接：https://github.com/localytics/data-viz-challenge
• Netflix Prize
  • 链接：http://www.netflixprize.com/leaderboard
• Space Apps Challenge
  • 链接：https://www.spaceappschallenge.org
• Telecom Italia Big Data Challenge
  • 链接：https://dandelion.eu/datamine/open-big-data/
• Yelp Dataset Challenge
  • 链接：http://www.yelp.com/dataset_challenge

经济学

• American Economic Ass (AEA)
  • 链接：http://www.aeaweb.org/RFE/toc.php?show=complete
• EconData from UMD
  • 链接：http://inforumweb.umd.edu/econdata/econdata.html
• Internet Product Code Database
  • 链接：http://www.upcdatabase.com/

能源

• AMPds
  • 链接：http://ampds.org/
• BLUEd
  • 链接：http://nilm.cmubi.org/
• COMBED
  • 链接：http://combed.github.io/
• Dataport
  • 链接：https://dataport.pecanstreet.org/
• ECO
  • 链接：http://www.vs.inf.ethz.ch/res/show.html?what=eco-data
• EIA
  • 链接：http://www.eia.gov/electricity/data/eia923/
• HFED
  • 链接：http://hfed.github.io/
• iAWE
  • 链接：http://iawe.github.io/
• Plaid
  • 链接：http://plaidplug.com/
• REDD
  • 链接：http://redd.csail.mit.edu/
• UK-Dale
  • 链接：http://www.doc.ic.ac.uk/~dk3810/data/

金融

• CBOE Futures Exchange
  • 链接：http://cfe.cboe.com/Data/
• Google Finance
  • 链接：[https://www.google.com/finance](

搜集汇总

数据集介绍

构建方式

该数据集是通过从博客、回答和用户响应中收集和整理公开数据源而构建的，涵盖了多个领域的公共数据集，旨在为研究人员提供便捷的数据获取途径。

使用方法

用户可以通过访问提供的链接直接下载所需的数据集，或通过API等接口获取数据。同时，数据集的README文件中提供了详细的数据集描述和获取方式，便于用户了解和使用。

背景与挑战

背景概述

awesome-public-datasets是一个由众多公开数据集组成的列表，涵盖了从农业到社会科学的各个领域。该数据集的创建旨在为研究人员提供方便，使他们能够轻松地找到并进行数据分析和研究。这份清单由caesar0301于GitHub上整理并维护，汇集了来自不同领域的公共数据集，如农业、生物学、气候/天气、复杂网络、计算机网络、数据挑战、经济学、能源、金融、地质学、地理信息系统、政府、健康护理、图像处理、机器学习、博物馆、自然语言处理、物理学、心理学/认知科学、公共领域资源、搜索引擎以及社会科学等。它不仅包含了数据集的链接，还提供了简要的描述，以便用户能够快速了解数据集的内容和用途。

当前挑战

尽管awesome-public-datasets为研究人员提供了丰富的数据资源，但在使用这些数据集时也面临着一些挑战。首先，数据集的质量和准确性是研究的基础，因此验证数据的真实性和可靠性是一个重要挑战。其次，不同数据集之间的格式和结构差异可能会导致整合和分析上的困难。此外，数据隐私和安全性的问题也需要关注，尤其是在处理个人敏感信息时。最后，随着数据集的不断增多，如何高效地管理和维护这个列表，确保其更新和相关性，也是一个不容忽视的挑战。

常用场景

经典使用场景

awesome-public-datasets 数据集的典型应用场景在于为研究人员提供了一个全面的公共数据集列表，这些数据集涵盖了从农业到物理学等各个领域。研究人员可以在此找到所需的数据集，以便进行各种学术研究和数据分析工作。

解决学术问题

该数据集解决了学术研究中数据获取的难题，特别是在数据集的收集、整理和共享方面。它为研究人员提供了丰富的数据资源，有助于解决学术研究中数据不足的问题，从而推动科学研究的进展。

实际应用

在实际应用中，awesome-public-datasets 数据集可用于教育、商业智能、政策制定等多个领域。教育工作者可以利用这些数据集进行教学演示和实验；商业分析师可以利用这些数据进行市场分析和预测；政策制定者可以依据这些数据来制定更加科学合理的政策。

数据集最近研究

最新研究方向

该数据集涵盖了多个领域的大量公共数据集，近期研究方向主要聚焦于数据集的整合、清洗和应用。学者们致力于探索如何利用这些数据集进行更高效的机器学习模型训练、自然语言处理、图像识别等前沿技术的研究。同时，也有研究关注于数据集在各个领域的具体应用，如医疗健康、社会网络分析、地理信息系统等，以推动相关领域的科学发展。